1.一种融合边缘信息的模糊迭代SAR图像超像素分割方法,其特征在于,该方法包括以下步骤:步骤1,利用基于高斯伽马形双窗口的边缘检测器对SAR图像进行边缘检测,得到边缘增强图ESM及边缘图EM;
步骤2,根据设定的超像素大小,利用边缘增强图ESM及边缘图EM,初始化聚类中心;
步骤3,在聚类中心的邻域内,计算聚类中心与每个像素点之间的度量距离;
步骤4,度量距离比较更新,每个像素点和周围的聚类中心均有度量距离,保留每个像素点与周围聚类中心较小的个度量距离;
步骤4中,所述的度量距离比较更新的方法如下:聚类中心的搜索范围为,像素点会在多个聚类中心的搜索范围内,因此每个像素点会有多个度量距离,只保留像素点的个度量距离,当像素点与周围聚类中心度量距离个数大于时,新的度量距离与已保存的最大的度量距离进行比较,若小于,则进行替换;
步骤5,计算隶属度和聚类中心;
步骤6,重复步骤3、步骤4和步骤5,直到达到设定的迭代次数;
步骤7,选取像素隶属度最大的聚类中心类别作为像素的超像素类别,得到初始的超像素分割结果;
步骤8,利用边缘图EM的边缘信息进行后处理步骤,然后得到最终的超像素分割结果。
2.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法,其特征在于,步骤2中,所述的初始化聚类中心的方法如下:步骤201,根据超像素大小,在SAR图像内,将聚类中心均匀分布在间隔个像素的规则网格上;
步骤202,在边缘图EM上查找轮廓,得到大概的目标轮廓信息;
步骤203,根据目标轮廓信息,依次判断每次目标轮廓内是否含有聚类中心,若含有,则跳过,若未含有,则将目标轮廓在二维平面轴及轴上的最大和最小值平均后的坐标值处的像素点作为新的聚类中心;
步骤204,为了避免聚类中心落在边缘或噪声像素上,根据边缘增强图ESM信息,将聚类中心移动到3×3邻域中的最小边缘强度位置。
3.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法,其特征在于,步骤3中,计算聚类中心与每个像素点之间的度量距离的方法如下:度量距离的计算公式如下:
式中:
为聚类中心;
为像素点;
为聚类中心与像素点的强度度量距离;
为聚类中心与像素点的空间距离;
为平衡因子,平衡强度度量距离与空间距离的权重;
为边缘信息系数。
4.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法,其特征在于,步骤3中:式中:
、分别表示聚类中心、像素点与其8邻域的平均强度值;
为取平均强度值的像素个数,这里为9;
为取对数运算。
5.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法,其特征在于,步骤3中:式中:
为聚类中心的坐标值;
为像素点的坐标值。
6.如权利要求3所述的融合边缘信息的模糊迭代SAR图像超像素分割方法,其特征在于,步骤3中:式中:
为放大因子;
为边缘信息因子;
为聚类中心到像素点的线性路径;
为线性路径上的像素点;
为存在;
为任意的;
为边缘图EM在点的值。
7.如权利要求1所述的融合边缘信息的模糊迭代SAR图像超像素分割方法,其特征在于,步骤8中,所述的后处理步骤如下:初始的超像素分割结果中会包含许多孤立的像素以及一些小的像素区域,在进行后处理步骤时,遍历图像,将孤立的像素以及小的像素区域并入与其相邻的超像素,但在并入小的像素区域时,利用边缘图EM,查看小的像素区域是否包含边缘信息,若包含,则认为小的像素区域为小目标区域,单独作为超像素,不并入相邻的超像素,若不包含,则并入相邻的超像素。